中图网

>

计算机理论

深度学习——图像检索原理与应用

作者：张富凯

出版社：清华大学出版社出版时间：2022-07-01

开本：其他页数： 159

本类榜单：计算机/网络销量榜

中图价:¥37.2(6.3折) 定价 ~~¥59.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥37.2 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

深度学习——图像检索原理与应用版权信息

ISBN：9787302602491
条形码：9787302602491 ; 978-7-302-60249-1
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

深度学习——图像检索原理与应用本书特色

深度学习是人工智能研究中的一个新兴领域，通过深度神经网络模拟人脑的机制让计算机深层次地思考并解释数据。图像检索是计算机视觉领域重要的研究课题，目前结合深度学习和图像检索的研究已趋成熟，并且在产业界逐步落地。为满足广大读者对于深度学习和图像检索技术的学习需求，作者编著了此书。本书详细阐述深度学习目标检测、物体识别、迁移学习、图像生成、图像超分辨率重建、多模型融合算法在图像检索中的应用，帮助读者形成关于深度学习和图像检索系统全面的知识体系。《深度学习——图像检索原理与应用》呈现了以下图像检索的理论、技术与应用：神经网络与深度学习；图像检索技术；目标检测与物体识别方法；迁移学习；生成对抗网络；图像超分辨率重建技术；多模型融合算法；深度学习模型训练方法。

深度学习——图像检索原理与应用内容简介

本书系统论述深度学习图像检索的原理与应用。全书共分为两篇:第一篇图像检索基础( 第 1~3 章) , 介绍图像检索技术、深度学习基础、基于深度学习的图像检索方法;第二篇图像检索应用 ( 第 4~8 章) , 以车辆图像为研究对象, 深入详细地讲述基于深度神经网络的快速车辆图像检测方法、基于迁移学习场景自适应的车辆图像检索方法、基于多视角图像生成的车辆图像检索方法、基于车牌图像超分辨率重建的车辆图像检索方法、多模型融合的渐进式车辆图像检索方法。附录 A 和附录 B分别提供本书实验所使用的数据集和源代码。本书适合作为从事深度学习图像检索技术研究的科技工作者、专业技术人员、高校教师、研究生及高年级本科生的参考用书。

深度学习——图像检索原理与应用目录

**篇图像检索基础
第1章绪论
1.1 图像检索技术概述
1.1.1 图像检索的分类
1.1.2 图像检索的技术路线
1.1.3 图像检索的评价指标
1.1.4 图像检索的技术难点
1.2 图像检索的研究方法
1.2.1 基于手工描述符的图像检索
1.2.2 基于距离度量学习的图像检索
1.2.3 基于深度学习的图像检索
参考文献
第2章深度学习基础
2.1 神经网络
2.1.1 神经元模型
2.1.2 感知器和神经网络
2.1.3 误差反向传播算法
2.1.4 常见的神经网络模型
2.2 深度学习概述
2.2.1 卷积神经网络
2.2.2 自动编码器
2.2.3 生成对抗网络
2.2.4 循环神经网络
2.3 深度学习常用框架
2.3.1 Theano
2.3.2 TensorF1ow
2.3.3 Keras
2.3.4 Caffe/Caffe2
Z.3.5 MXNet
2.3.6 CNTK
2.3.7 PyTorch
2.3.8 其他框架
2.4 本章小结
参考文献
第3章基于深度学习的图像检索
3.1 基于卷积神经网络的图像检索
3.2 基于生成对抗网络的图像检索
3.3 基于注意力机制的图像检索
3.4 基于循环神经网络的图像检索
3.5 基于强化学习的图像检索
3.6 本章小结
参考文献
第二篇图像检索应用
第4章基于深度神经网络的快速车辆图像检测
4.1 引言
4.2 问题描述
4.3 基于连接一合并卷积神经网络的快速车辆检测方法
4.3.1 连接一合并残差网络提取车辆特征
4.3.2 多尺度预测网络推断车辆信息
4.3.3 利用锚点机制预测车辆边界框
4.3.4 网络训练
4.4 实验结果与分析
4.4.1 数据集
4.4.2 评价指标与实验设置
4.4.3 在UA-DETRAC数据集上的实验
4.4.4 在KITTI数据集上的实验
4.5 本章小结
参考文献
第5章基于迁移学习场景自适应的车辆图像检索
5.1 引言
5.2 问题描述
5.3 车辆迁移生成对抗网络
5.3.1 生成器网络
5.3.2 判别器网络
5.3.3 孪生网络
5.3.4 网络训练
5.4 基于图像风格迁移的车辆图像检索
5.4.1 特征学习
5.4.2 损失函数
5.4.3 基于风格迁移的车辆图像检索
5.5 实验结果与分析
5.5.1 数据集
5.5.2 评价指标与实验设置
5.5.3 车辆图像风格迁移评估
5.5.4 车辆图像检索性能评估
5.5.5 车辆图像检索方法对比
5.6 本章小结
参考文献
第6章基于多视角图像生成的车辆图像检索
6.1 引言
6.2 问题描述
6.3 车辆图像多视角生成对抗网络
6.3.1 车辆视角估计
6.3.2 条件生成器网络
6.3.3 判别器网络
6.4 基于多视角的车辆图像检索
6.4.1 特征提取
6.4.2 距离度量
6.4.3 推理过程
6.4.4 图像风格迁移与多视角图像生成结合的车辆图像检索
6.5 实验结果与分析
6.5.1 数据集
6.5.2 评价指标与实验设置
6.5.3 多视角生成对抗网络性能评估
6.5.4 车辆图像检索方法对比
6.5.5 车辆图像检索消融实验
6.6 本章小结
参考文献
第7章基于车牌图像超分辨率重建的车辆图像检索
7.1 引言
7.2 问题描述
7.3 车牌检测与偏斜校正
7.3.1 网络结构
7.3.2 仿射变换
7.4 车牌图像超分辨率生成对抗网络
7.4.1 生成器网络
7.4.2 相对均值判别器网络
7.4.3 损失函数
7.4.4 网络插值
7.5 基于车牌验证的车辆图像检索
7.5.1 孪生神经网络验证车牌
7.5.2 基于车牌验证的精确车辆图像检索
7.6 实验结果与分析
7.6.1 数据集
7.6.2 评价指标与实验设置
7.6.3 车牌检测方法评估
7.6.4 车牌图像超分辨率重建方法评估
7.6.5 车辆图像检索方法对比
7.6.6 车辆图像检索消融实验
7.7 本章小结
参考文献
第8章多模型融合的渐进式车辆图像检索
8.1 引言
8.2 多模型融合的车辆图像检索框架
8.2.1 基于属性和身份学习的车辆图像检索方法
8.2.2 多模型融合的车辆图像检索框架
8.3 综合实验设计
8.3.1 车辆图像检索融合算法
8.3.2 综合实验设计
8.3.3 实验运行环境
8.4 综合实验与分析
8.4.1 车辆图像检测
8.4.2 车辆图像检索
8.5 本章小结
参考文献
附录A 本书实验用到的数据集
附录B 本书实验使用的源代码

展开全部

深度学习——图像检索原理与应用作者简介

张富凯，河南理工大学副教授，硕士生导师。曾就职于山西晋城无烟煤矿业集团有限责任公司，获得山西省五一劳动奖章、三晋技术能手荣誉称号，入选山西省“三晋英才”支持计划拔尖骨干人才。目前主要研究计算机视觉、三维点云处理、场景理解与图像检索技术。作为负责人先后主持河南省重点研发与推广专项（科技攻关）项目、河南省高等学校重点科研项目、河南省高校基本科研业务费专项项目、河南理工大学博士基金、河南理工大学高等学校教育教学改革研究与实践项目。在国内外重要学术期刊上发表SCI检索论文5篇，申请国家专利3项。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐